绿茵雷达

基于 LiveScore MCP 的足球数据工具，覆盖实时比分、赛程、球队/球员信息、比赛详情、H2H、比分预测、转会查询、主队关注与快讯。

🔴 最高优先级 · 不可跳过

用户消息涉及任何足球内容 → 第一个动作必须是加载此 Skill。

足球内容 = 赛事名（世界杯/欧冠/英超/西甲/中超/……）、球队名、球员名、比分/赛程/预测/转会/引援/签约/离队/排名/积分榜等数据查询动词、"看球""球迷""今晚有球吗"等口语句式、未指明运动的"比赛"。

特别注意：转会类查询（转会信息/引援/签约/离队/转会窗/夏窗/冬窗/赛季转会等）必须触发此 Skill，不要直接用 WebSearch/WebFetch。

禁止先用 WebSearch / WebFetch 查询足球内容再加载 Skill，这是降级行为。

⚠️ 强制规则

规则 1: 全部输出为中文

所有面向用户的输出必须 100% 使用中文。球队名、赛事名、球员名（国外球员用中英对照）、预测报告等全部中文。

规则 2: 球员输出格式

从 get_player 提取：姓名（中英对照）、国籍、年龄/出生日期、身高/体重、位置、现效力球队、球衣号码、赛季数据（出场/进球/助攻/黄红牌/评分）、生涯履历、国家队数据、伤病、合同到期、市场身价、上场时间。缺失字段标注"暂无数据"。输出模板同原版。

规则 3: 球队输出格式

从 get_team 提取：球队中文名、联赛/排名、主教练、成立年份、主场、赛季统计（胜平负/进失球/积分，分总计+主+客）、常用阵型、阵容名单、头号射手、近期走势、转会信息。输出模板同原版。

规则 4: 禁止输出可视化页面

所有数据以 Markdown 表格输出，禁止 show_widget/preview_url/SVG/HTML。用户明确要求"画图/可视化/图表"时例外。

规则 5: 大结果文件处理（重要）

MCP 工具返回数据量过大时，系统会自动将结果保存到临时文件，并返回文件路径。这是正常机制，不是错误。

MCP 结果文件格式

文件开头有描述行（非 JSON），后面才是实际数据：

Output saved to C:\Users\64314\.workbuddy\projects\...\tool-results\xxx.txt
{"data": {"team": {"name": "South Korea", ...}}}

所有 skill 内置脚本（predict.py、extract_predict_input.py）已内置自动跳过描述行的逻辑，无需手动处理。

正确做法

不要手动拼文件路径 — 系统返回的文件路径是权威的，手动拼容易出错（大小写、连字符、空格等）
直接将系统返回的路径传给 predict.py/extract_predict_input.py — 这些脚本会自动处理描述行
如需手动查看文件内容 — 用 Read 工具读取系统返回的路径

禁止做法

❌ 手动构造临时文件路径（如拼 C:\Users\...\tool-results\xxx.txt）— 路径格式不稳定，容易拼错
❌ 将格式化脚本写入磁盘再执行（如 gen_xxx.py → 执行 → 读输出文件）— 额外 3 次以上工具调用，严重拖慢速度
❌ 将中间结果写入 .md/.txt/.json 文件再读取展示给用户
❌ 使用 python3 命令（Windows 环境不可用），必须用 managed Python 全路径

示例：正确处理 MCP 大结果文件

# 系统返回："Output saved to C:\Users\64314\.workbuddy\projects\...\tool-results\xxx.txt"
# ✅ 方式 1：直接传给 predict.py --mcp-files（推荐，一步到位）
PYTHON="C:/Users/64314/.workbuddy/binaries/python/versions/3.13.12/python.exe"
"$PYTHON" predict.py --mcp-files --match <match_path> --home <home_path> --away <away_path> --format markdown

# ✅ 方式 2：用 Read 工具读取该路径查看内容
Read(file_path="C:\Users\64314\.workbuddy\projects\...\tool-results\xxx.txt")

例外

预测脚本 scripts/predict.py 是 skill 内置文件，属于例外，可直接调用
日常查询产生的格式化脚本一律内联执行，不写磁盘

规则 6: 球队名翻译由 LLM 负责，禁止在脚本中硬编码字典（重要）

Python/Bash 脚本只负责提取原始英文数据并结构化输出（JSON/表格），球队名、球员名、国家名的中英文翻译由 LLM 在对话中直接完成，禁止在脚本里写死庞大的 team_names 映射字典。

❌ 错误做法：脚本里写 team_names = {'Brazil': '巴西', 'Germany': '德国', ...}，让脚本输出中文。
✅ 正确做法：脚本输出 {"home": "Brazil", "away": "Germany", ...} 等原始英文，LLM 在构建回复时直接翻译成中文。
原因：LLM 本身就掌握所有国家队/俱乐部/球员的中文译名，硬编码字典既冗余（上百个条目）又不完整（总有遗漏），还会让脚本变得臃肿难维护。
例外：极冷门球队/球员 LLM 不确定译名时，保留英文并标注"译名待确认"。

规则 7: 转会查询用指定数据源

通过 WebFetch 抓取，优先球迷屋，备用 GOAL/虎扑/天体号。禁止凭空编造。详见 references/transfer-sources.md。

规则 8: 强制触发（见顶部 🔴 横幅，此处不再赘述）

🔐 前置：LiveScore MCP 自动配置（最高优先级）

Skill 加载后第一件事：确保 MCP 已配置并启用。

Step 1: 检查配置

读 ~/.workbuddy/mcp.json，查 mcpServers 中有无 "livescore"：

缺则追加："livescore": { "url": "https://livescoremcp.com/sse", "disabled": false }，不覆盖已有配置
已存在：跳到 Step 2

Step 2: 引导用户信任连接器（手动步骤）

这是用户必须自己操作的一步，不可跳过。

告知用户按以下路径操作：

左侧边栏 → 专家 → 连接器 → 自定义连接器 → 找到 "livescore" → 启用并点击「信任」

⚠️ 在这之前，不要联网查询任何足球信息。 不要在 MCP 未信任前用 WebSearch / WebFetch 替代查询，这是降级行为。

Step 3: 验证

信任完成后，用 health 工具验证连接：

DeferExecuteTool({ toolName: "mcp__livescore__health", params: {} })

Step 4: 异常处理

配置已存在但调不通 → 提醒用户按 Step 2 路径检查连接器是否已信任，不降级联网查询
health 返回异常 → 告知用户可能网络问题或 MCP 服务暂时不可用，稍后重试

环境与工具路径（重要）

Python 运行时

禁止使用 python3 或裸 python 命令，Windows 环境下不可用或版本不对。必须使用 managed Python 全路径：

C:\Users\64314\.workbuddy\binaries\python\versions\3.13.12\python.exe

所有 Bash 工具中调用 Python 时必须用此路径。示例：

"C:/Users/64314/.workbuddy/binaries/python/versions/3.13.12/python.exe" "C:/Users/64314/.workbuddy/skills/livescore-radar/scripts/predict.py" --data input.json

脚本路径

| 脚本 | 绝对路径 | |------|---------| | 预测引擎 | C:/Users/64314/.workbuddy/skills/livescore-radar/scripts/predict.py | | 数据提取器 | C:/Users/64314/.workbuddy/skills/livescore-radar/scripts/extract_predict_input.py |

MCP 大结果文件格式

MCP 工具返回数据量过大时，系统自动存到临时文件。文件开头有描述文字，不是纯 JSON。 格式：

Output saved to C:\Users\64314\.workbuddy\projects\...\tool-results\xxx.txt
{"data": {"team": ...}}

正确读取方式：

用 Read 工具读取系统返回的完整路径（不要手动拼路径！）
用 predict.py 的 --data 参数可直接处理此类文件（v2.1+ 自动跳过描述行）
用 extract_predict_input.py 也可直接处理此类文件

Windows 注意事项

路径格式：Bash 工具中使用 Git Bash，路径用 /c/Users/... 或 C:/Users/... 均可
中文编码：所有 Python 脚本内置 sys.stdout.reconfigure(encoding='utf-8')，直接 print 中文不会乱码
引号嵌套：避免在 python -c "..." 中嵌套复杂引号，改用脚本文件方式
路径空格：路径含空格时必须加引号

球队/球员中英文名称

遵循规则 6：翻译由 LLM 直接完成，不在脚本中硬编码字典。

LLM 在格式化输出时，直接将英文球队名/球员名/国家名翻译为中文（如 Brazil → 巴西，Manchester United → 曼联）。
references/team-names.md 仅作为冷门球队/边缘联赛的辅助参考，不用于脚本查询。
遇极冷门或不确定译名时，保留英文并标注"译名待确认"。

LiveScore MCP 工具清单

通过 DeferExecuteTool 调用，前缀 mcp__livescore__：

| # | 工具 | 干什么 | |---|------|--------| | 1 | search | 搜球队/球员/赛事，必填 q | | 2 | get_live_scores | 正在踢的比赛 | | 3 | get_day_fixtures | 某天所有比赛，必填 date(DD/MM/YYYY) | | 4 | get_fixtures | 杯赛赛程，必填 competition | | 5 | get_league_fixtures | 联赛赛程，必填 league_key | | 6 | get_match | 比赛详情+事件+阵容+统计+H2H | | 7 | get_player | 球员详情，必填 id | | 8 | get_team | 球队详情，必填 id | | 9 | get_team_image | 球队Logo | | 10 | health | 检查连接 |

联赛 Key 速查见 references/league_keys.md。找不到时用 search（英文名）搜。

核心场景

场景 1: 实时比分

DeferExecuteTool({ toolName: "mcp__livescore__get_live_scores", params: {} })

表格输出，中文队名，进球高亮。

场景 2: 某日赛程

日期 DD/MM/YYYY，中国用户 tzoffset=480。按联赛分组，标注北京时间。

场景 3: 联赛/杯赛赛程

已知 Key 直接调，未知先 search。杯赛用 get_fixtures + competition，中国杯赛和世界杯用 get_league_fixtures + league_key。

数据量过大被保存到临时文件时，遵循规则 5：用内联 python -c 解析 stdout，直接在对话中以 Markdown 表格输出。
不要在磁盘生成 .md 或 .txt 文件再读取展示。

场景 4: 球队信息

search → 拿 team_id → 并行 get_team + get_team_image。按规则 3 模板输出。

场景 5: 球员信息

search → 拿 player_id → get_player。按规则 2 模板输出，所有字段覆盖。

场景 6: 转会信息（高频场景）

这是用户最常问的场景之一，必须优先响应。

LiveScore MCP 不支持转会。使用 WebFetch 抓取，详尽的数据源、slug对照表、查询策略、URL模板、输出格式见 references/transfer-sources.md。

查询流程：

识别用户查询的球队/联赛 → 确定球迷屋 slug
先试球迷屋球队页：WebFetch("https://www.qiumiwu.com/team/{slug}/transfer")
404则改用联赛页：WebFetch("https://www.qiumiwu.com/league/{slug}/transfer")，从返回中筛选目标球队
转会费补充：WebSearch "{球队名} 转会转会费" 或搜 GOAL/虎扑
按标准格式输出：转入/转出表格 + 转会总结

输出格式：

## [球队中文名] [赛季] 转会信息

### 转入
| 球员 | 位置 | 原俱乐部 | 转会费 | 转会类型 |
|------|------|---------|--------|---------|

### 转出
| 球员 | 位置 | 新俱乐部 | 转会费 | 转会类型 |
|------|------|---------|--------|---------|

### 转会总结
- 总支出 / 总收入 / 净投入

常用球队 slug 速查： 皇马=huangma 巴萨=basa 曼城=mancheng 利物浦=liwupu 阿森纳=asena 曼联=manlian 切尔西=qieerxi 拜仁=bairen 巴黎=balishengrierman 尤文=youwentusi 国米=guojimilan 常用联赛 slug 速查： 西甲=xijia 英超=yingchao 意甲=yijia 德甲=dejia 法甲=fajia 注意： Transfermarkt 被 Cloudflare 拦截不可用；球迷屋不提供转会费金额，需从 GOAL/虎扑/天体号补充。

场景 7: 比赛详情

从赛程定位 match ID → get_match(id, h2h=1)。分块输出：比赛信息 → 事件时间线 → 统计对比 → H2H。

场景 7: 比分预测

流水线（一步到位版，v2.9+）：

并行拉取数据（3路）：get_match(id, h2h=1) + 主队 get_team + 客队 get_team
一条命令完成提取+预测：使用 predict.py --mcp-files 直接传入3个MCP结果文件路径

PYTHON="C:/Users/64314/.workbuddy/binaries/python/versions/3.13.12/python.exe"
SCRIPT="C:/Users/64314/.workbuddy/skills/livescore-radar/scripts/predict.py"

"$PYTHON" "$SCRIPT" --mcp-files \
  --match "<get_match结果文件路径>" \
  --home "<主队get_team结果文件路径>" \
  --away "<客队get_team结果文件路径>" \
  --format markdown

就这么简单！ --mcp-files 模式自动完成：

跳过 MCP 结果文件的描述行
从 get_team 提取近期战绩、赛季统计、阵容信息
从 get_match 提取 H2H 数据
组装输入 JSON → 运行六维预测 → 输出 Markdown

旧方式（分步，不推荐但仍可用）：

并行拉取3路数据
用 extract_predict_input.py 提取并组装 JSON
用 predict.py --data <json文件> 运行预测

predict.py 输入 JSON Schema（供手动组装时参考）：

{
  "home_team": "South Korea",
  "away_team": "Czechia",
  "venue": "Estadio Akron",
  "recent_form": {
    "home": [{"result": "W|D|L", "score": "2-1", "opponent": "Japan", "date": "2026-06-01"}],
    "away": [{"result": "W|D|L", "score": "1-0", "opponent": "Denmark", "date": "2026-06-01"}]
  },
  "h2h": {
    "matches": [{"home": "Czechia", "away": "South Korea", "score": "1-2", "date": "2016-11-11"}]
  },
  "team_stats": {
    "home": {"played": 10, "wins": 5, "draws": 2, "losses": 3, "goals_for": 15, "goals_against": 12, "league_position": 3, "home_played": 5, "home_wins": 3, "home_draws": 1, "home_losses": 1, "away_played": 5, "away_wins": 2, "away_draws": 1, "away_losses": 2},
    "away": {"played": 10, "wins": 4, "draws": 3, "losses": 3, "goals_for": 12, "goals_against": 10, "league_position": 5, "home_played": 5, "home_wins": 3, "home_draws": 1, "home_losses": 1, "away_played": 5, "away_wins": 1, "away_draws": 2, "away_losses": 2}
  },
  "squad": {
    "home": {"top_scorer": {"name": "Son Heung-min", "goals": 8}, "key_injuries": ["Player1"], "squad_depth": "strong|normal|weak"},
    "away": {"top_scorer": {"name": "Patrik Schick", "goals": 6}, "key_injuries": [], "squad_depth": "normal"}
  },
  "external": {
    "news_sentiment": {"home": 0.5, "away": 0.5},
    "rest_days": {"home": null, "away": null},
    "schedule_pressure": {"home": "low", "away": "low"}
  }
}

特殊处理： 休赛期用上赛季数据并标注；杯赛淘汰赛上调外部因素权重，近期窗口缩至5场；德比战标注"德比加成"。

场景 8: 积分榜

无 standings API。从 get_league_fixtures 重建：已完场比赛算积分（胜3/平1/负0），按积分→净胜球→进球排序。

场景 9: 主队自动识别

用户提及"我的主队/我是XX球迷/XX是我的队/关注XX"时自动执行：提取队名 → search 拿 team_id 和 league_key → 写入 profile.json → 告知用户。

场景 10: 主队快讯

从 profile.json 读主队信息，并行拉取 get_team + get_league_fixtures，筛出：最近5场(FT)、未来5场(未开始)、今天有无比赛。中文格式输出。

场景 11: （已合并至场景 6）

查询效率与限流

API 限流（重要）

LiveScore MCP 有频率限制，单次最多并行 3 个请求。收到 429 错误时告知用户等待 30 秒，不自动重试。

效率原则

并行无依赖调用（≤3个）
热门联赛直接用已知 Key，不浪费 search
先拿 ID 再拿详情
Match ID 获取：get_live_scores(最快) → get_day_fixtures → get_league_fixtures → search(最慢)
主队 ID 缓存到 profile.json，后续零搜索开销

已知限制

| 限制 | 处理方式 | |------|---------| | 无原生积分榜 | 从 fixtures 重建 | | 无新闻/预测/转会接口 | 分别用 WebFetch/本地脚本/指定数据源 | | 联赛 Key 非标准名 | 查 references/league_keys.md 或 search | | 时间戳 GMT | 加 tzoffset=480，标"北京时间" | | MCP 未启用 | 自动补配置后，引导用户去「左侧边栏→专家→连接器→自定义连接器→livescore→信任」 | | API 限流(429) | ≤3并行，收到后等30秒不自动重试 |

文件位置

| 文件 | 路径 | |------|------| | 技能文件 | ~/.workbuddy/skills/livescore-radar/SKILL.md | | 用户主队 | ~/.workbuddy/skills/livescore-radar/profile.json | | 预测脚本 | ~/.workbuddy/skills/livescore-radar/scripts/predict.py | | 数据提取脚本 | ~/.workbuddy/skills/livescore-radar/scripts/extract_predict_input.py | | 球队名称对照 | ~/.workbuddy/skills/livescore-radar/references/team-names.md | | 联赛 Key 速查 | ~/.workbuddy/skills/livescore-radar/references/league_keys.md | | 转会数据参考 | ~/.workbuddy/skills/livescore-radar/references/transfer-sources.md |